第1章 绪论
1.1 *优化问题
1.2 进化计算
1.3 群体智能算法
1.4 微粒群算法的发展
第2章 基本微粒群算法
2.1 引言
2.2 基本微粒群算法
2.3 基本微粒群算法的社会行为分析
2.4 带惯性权重的微粒群算法
第3章 改进的微粒群算法
3.1 对基本微粒群算法进化方程的改进
3.2 基于遗传思想改进微粒群算法
3.3 利用小生境思想所做的改进
3.4 利用收敛性分析所做的改进
3.5 离散变量的微粒群算法
第4章 微粒群算法的行为分析
4.1 基于离散时间线性系统理论的分析
4.2 微粒群算法的代数分析
4.3 微粒群算法的解析分析
4.4 微粒群算法的状态空间模型
第5章 微粒群算法的收敛性分析
5.1 随机算法的收敛准则
5.2 基本微粒群算法的收敛性分析
5.3 其他改进微粒群算法的收敛性分析
第6章 微粒群算法的实验设计与参数选择
6.1 典型实验函数
6.2 设计微粒群算法的基本原则与步骤
6.3 几种典型的PSO模型及其参数选择
第7章 人工神经网络的优化
7.1 人工神经网络
7.2 进化计算用于神��网络的优化
7.3 用PSO算法优化神经网络
7.4 协同PSO算法优化神经网络
第8章 微粒群算法在函数优化中的应用
8.1 使用函数“Stretching”技术的PSO算法
8.2 基于PSO算法求解多目标优化问题
8.3 用PSO算法求解约束优化问题
8.4 PSO算法在*大*小优化问题中的应用
8.5 PSO算法在整数规划问题中的应用
8.6 使用PSO算法寻找多峰函数的*小点
附录1 标准微粒群算法源程序
附录2 随机微粒群算法源程序
参考文献